情感分析:人工智能如何洞察理

“人工智能入門叢書”力於面向人工智能各技術方向零基礎的讀者，
內容涉及數據思維、機器學、視覺感知、情感分析、搜索算法、強化學、知識圖譜、家系統等方向，
體系完整、內容簡潔、文字通俗，綜合介紹人工智能相關知識，並輔以程序代碼解決問題，使得零基礎的讀者快速入門。
《情感分析：人工智能如何洞察理》是“人工智能入門叢書”中的分冊，本分冊以通俗易懂的文字風格，
介紹了不同的人工智能技術解決情感分析問題的方法，如情感詞典、機器學、深度學等。
內容豐富而簡明，括分詞、網絡爬蟲、詞袋模型、樸素貝葉斯、邏輯回歸、NPLM模型、Word2Vec模型、LSTM模型等。
同時，本書配有關鍵代碼，並在附錄中給出了PyTorch的入門介紹以及概率基礎知識回顧，
讓讀者在學過程中打好基礎，快速上手，提升解決問題的。
本書可以作為大學生以及想要走向自然語言處理（NLP）領域相關工作崗位的技術人員的入門讀物，
同時，對人工智能感興趣的人群也可以閱讀。

第1章語摯情長路漫漫001
1.1 文中自有真情在002
1.1.1 問世間情為何物002
1.1.2 觸景文下留真情004
1.2 NLP來相助008
1.2.1 什麼是NLP 008
1.2.2 NLP主要應用領域012
1.3 情感分類015
1.3.1 情感分析的對象與方法015
1.3.2 情感分析的主要應用017

第2章情感詞典查情斷意019
2.1 分詞與詞典020
2.1.1 分詞，情感分析第步020
2.1.2 詞典，讓AI長知識026
2.2 只有“情感”行不行028
2.2.1 情感詞典的建立028
2.2.2 詞典的擴充031
2.3 基於情感詞典的案例034

第3章玩轉文本大數據039
3.1 數據的獲取040
3.1.1 網絡爬蟲040
3.1.2 簡單爬蟲案例040
3.2 數據的清洗與整理045
3.2.1 去除停用詞046
3.2.2 詞性標註054
3.3 詞頻與詞云055
3.3.1 詞頻統計055
3.3.2 關鍵詞統計057
3.3.3 詞云059
3.4 詞袋模型063
3.4.1 詞袋模型概念063
3.4.2 簡單詞袋模型案例065
3.4.3 改進詞彙表067
3.4.4 詞袋模型顯示頻率071
3.4.5 詞袋模型的局限性072

第4章機器學洞察句情073
4.1 機器學概述074
4.1.1 什麼是機器學074
4.1.2 機器學與情感分析077
4.1.3 詞袋模型數據生成081
4.2 樸素貝葉斯與情感分析086
4.2.1 貝葉斯vs頻率086
4.2.2 樸素貝葉斯原理實踐087
4.3 二項邏輯回歸與情感分析097
4.3.1 邏輯回歸原理097
4.3.2 邏輯回歸算法100

第5章經網絡觸景悉情102
5.1 經網絡工作原理103
5.1.1 經網絡概述103
5.1.2 前向與反向傳播104
5.1.3 其他參數107
5.2 激活函數與損失函數109
5.2.1 非線性的激活函數109
5.2.2 衡量劣的損失函數115
5.3 經網絡的分類與情感分析117

第6章向量構築語義空間121
6.1 另闢蹊徑分佈表示122
6.1.1 語料庫122
6.1.2 分佈式假說123
6.2 從NPLM到Word2Vec 126
6.2.1 NPLM模型126
6.2.2 Word2Vec 128
6.3 Word2Vec實踐134
6.3.1 “女人-男人=後-”的三解讀134
6.3.2 詞彙的星空140

第7章深情厚意咬文嚼字145
7.1 循環經網絡146
7.1.1 循環經網絡原理146
7.1.2 循環經網絡實踐148
7.2 LSTM 151
7.2.1 LSTM基本原理151
7.2.2 非禮勿記、非禮勿聽、非禮勿言153
7.3 循環經網絡與情感分析157

附錄160
附錄PyTorch入門161
附錄二概率基礎168
附錄三騰訊扣叮Python實驗室：Jupyter Lab使用說明181